【Python】OpenCV算法使用案例全解

OpenCV算法使用案例全解

前言

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，它提供了大量的图像和视频处理功能。从简单的图像滤波到复杂的三维重建，OpenCV涵盖了计算机视觉领域的众多算法。本文将详细介绍OpenCV中常见算法的使用案例，帮助读者更好地理解和应用这些强大的工具。

一、图像处理基础

（一）滤波操作

滤波是图像处理中最基本的操作之一，用于去除噪声、平滑图像或突出图像的某些特征。常见的滤波方法包括高斯滤波和中值滤波。

案例代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.png')

# 高斯滤波
blur = cv2.GaussianBlur(img, (5, 5), 0)

# 中值滤波
median = cv2.medianBlur(img, 5)

# 展示结果
cv2.imshow('Original Image', img)
cv2.imshow('Gaussian Blur', blur)
cv2.imshow('Median Blur', median)
cv2.waitKey(0)
cv2.destroyAllWindows()

​

（二）边缘检测

边缘检测是图像分析中的重要步骤，用于提取图像中物体的轮廓。常见的边缘检测方法包括Canny边缘检测、Laplacian边缘检测和Sobel边缘检测。

案例代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.png', cv2.IMREAD_GRAYSCALE)

# Canny边缘检测
edges = cv2.Canny(img, 100, 200)

# Laplacian边缘检测
laplacian = cv2.Laplacian(img, cv2.CV_64F)

# Sobel边缘检测
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=5)
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=5)
sobel = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)

# 展示结果
cv2.imshow('Original Image', img)
cv2.imshow('Canny Edge Detection', edges)
cv2.imshow('Laplacian Edge Detection', laplacian)
cv2.imshow('Sobel Edge Detection', sobel)
cv2.waitKey(0)
cv2.destroyAllWindows()

（三）形态学操作

形态学操作用于处理图像的形状，常见的操作包括膨胀、腐蚀、开运算和闭运算。

案例代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.png', cv2.IMREAD_GRAYSCALE)

# 创建结构元素
kernel = np.ones((5, 5), np.uint8)

# 膨胀操作
dilation = cv2.dilate(img, kernel, iterations=1)

# 腐蚀操作
erosion = cv2.erode(img, kernel, iterations=1)

# 开运算
opening = cv2.